MétaCan
Menu
Retour à la cohorte
Enregistrement W2093209787 · doi:10.1615/jflowvisimageproc.v16.i3.30

EVOLUTION OF PARTICLE DIAMETERS AND PARTICLE VELOCITIES DURING LIQUID METAL ATOMIZATION

2009· article· en· W2093209787 sur OpenAlexaboutno aff
Alain Allimant, Marie-Pierre Planche, Lucas Dembinski, Christian Coddet, Yannick Bailly, L. Girardot

Notice bibliographique

RevueJournal of Flow Visualization and Image Processing · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Heat Transfer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleParticle (ecology)Materials scienceParticle sizeMetal powderInert gasParticle-size distributionParticle image velocimetryMolten metalProcess (computing)Liquid metalInertMetalMechanicsMetallurgyChemical engineeringThermodynamicsChemistryComposite materialPhysicsComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Gas atomization of liquid metal using the De Laval nozzle is one of the most efficient processes in terms of powder quality including size and composition criteria and in terms of inert gas consumption used to atomize liquid metal. However, the comprehension of the involved events is at that time of prime importance to optimize this process and the researches are focused on both experimental and modelling approaches. For example, very few experimental data are available on liquid metal atomization because of the difficulty to achieve measurements very close to the atomization area. The paper concerns some experimental results obtained with Al−5 wt.% Mn metal spraying. The evolution of the powder characteristics, i.e., particle-size distribution and particle velocity during the process were investigated. Then, some particles were collected in different samples during the atomization process and the relationship between the atomizing pressure and the resulting powder size was analyzed. The particle image velocimetry (PIV) has been used to measure the particle velocity in the atomizing chamber. The results were determined as a function of the process parameters.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,877
Score d'incertitude au seuil0,269

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,233
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Flow Visualization and Image ProcessingMême sujetFluid Dynamics and Heat TransferTravaux en français237 207